Bør anlegget ditt bytte til automatisk deleinspeksjon?

 

Kvalitetssikring er en svært nødvendig del av enhver produksjonslinje.

Uten den ville hjulene løsne fra syklene våre midt på gaten, babyer ville bli sultne når flaskene deres tettet seg og å ta et stykke frukt fra stativet i butikken kan føre til umiddelbar magesykdom.

 

Å se den viktige oppgaven med kvalitetssikring har alltid vært et menneskes ansvar. De dedikerer timer, dager, år av livet til og med til å sikre at et gitt produkt konsekvent oppfyller kvalitetsstandardene forbrukerne forventer. Det er vanskelig. Forbrukerne er ustadige, standardene blir strengere hele tiden og mennesker er ikke alltid korrekte i sine vurderinger. De gjør feil. Så, hvordan avhjelpe dette iboende menneskelige problemet?

 

Fjerne den menneskelige faktoren

Datamaskiner virker som det åpenbare svaret. Noen steder utfører de allerede jobben med kvalitetssikring. Det kalles Automated Parts Inspection (API) og som du kanskje har gjettet fungerer det utmerket for å bekrefte at tannhjulet på sykkelen din faktisk har 36 tenner, at radiusen måler nøyaktig 2,868 tommer og at den veier opp til samme antall gram av alle sine andre tannhjul. Disse tingene er viktige. Hvis en syklist som støtter merkevaren din kjøper et nytt tannhjul bare for å oppdage at det mangler en tann eller ikke passer riktig på sveiven deres, er det et problem. Du kan miste forretninger.

 

Så for å levere det høyeste nivået av konsistens og eliminere kostnadene forbundet med å la mennesker telle hver tann på hvert tannhjul, er det laget en datastyrt modell av delen. Roboter på produksjonslinjen skanner effektivt hver nye del for å ta dens dimensjoner. Delen sammenlignes deretter med CAD-malen til et perfekt tannhjul. Hvis en defekt oppdages, fjerner logikk i produksjonslinjen automatisk den defekte delen. Det er utvilsomt mer nøyaktig enn å betale mennesker, som vil kreve mye lenger tid, kan bli slitne og slutte å ta hensyn, eller til og med av og til la en del gå forbi uten å sjekke ved et uhell. Men denne løsningen kan ikke fungere for alle planter.

 

Viktige faktorer for å bytte til automatisk deleinspeksjon

I eksemplet ovenfor brukte vi en sykkeldel. Kanskje den delen ville bli produsert av en komponentprodusent som bare produserer tannhjul. Eller kanskje den blir produsert av et firma som setter sammen komplette sykler. De to applikasjonene er ekstremt forskjellige fra synspunktet til API.

Å konvertere et anlegg som bare lager tannhjul til API ville være relativt enkelt. Det vil være en høy startkostnad for utstyr, men kartlegging av hver størrelse på tannhjul vil være ganske enkelt.

 

De forskjellige kjedehjulsmalene kan synkroniseres med produksjonsutstyr og et lite antall roboter vil være i stand til å imøtekomme alle anleggets QA-behov. Den første investeringen ville raskt bli tjent inn fra besparelsene som ble opparbeidet i løpet av de første årene ved å ikke ansette mennesker til å utføre kvalitetssikringsoppgaver.

 

Men i et anlegg som lager hver eneste del på sykkelen, blir ting mer komplisert. Fordi de forskjellige sykkelkomponentene fortsatt er produsert i henhold til designmaler, er API mulig i dette scenariet, men det er mer kostbart. Du kan trenge en hybrid tilnærming. En ferdigstilt sykkel kan ikke prøvekjøres av en datamaskin. Utstyret som trengs for å laste-teste en forgaffel til 450lbs. er ikke det samme som utstyret for å evaluere tannhjulet.

Hvis vi tar uttrykket et skritt videre, vil API være vanskelig å implementere for et malingsblandefirma som mottar tilpassede fargeforespørsler beregnet på å tilfredsstille individuelle pallevalg for nye hjem. Sensorteknologien kan eksistere, men du har ingenting å sammenligne det ferdige produktet med. Du må lage en testprøve, laste den opp og deretter sammenligne den blandede malingen med den første, alt som et spørsmål om prosess for en enkelt kunde. La oss se på noen eksempler fra den virkelige verden for å pakke ut dette emnet ytterligere.

 

Inspiserer Köln-flasker for fylde

Har du noen gang vurdert hvordan duftprodusenter kvalitetskontrollerer flaskene sine for å sikre at ingen får en halvtom flaske med cologne? Du tror kanskje det er en fysisk sensor involvert, men prosessen er mye mer høyteknologisk.

 

Inspeksjonen skjer ved bruk av lys. Nærmere bestemt lys som ikke er synlig for det menneskelige øyet. Bare rundt 1 % av alt lys som når jordoverflaten faller inn i det synlige spekteret. På kanten av det synlige lysspekteret bruker infrarødt lys en bølgelengde på 700 nm og oppover, som kan trenge gjennom glass og avsløre hva som er inne i en beholder bedre enn andre mer synlige bølgelengder. I industrien brukes en 880nm infrarød bakgrunnsbelysning og speil for å verifisere fylden til cologne-flasker på produksjonslyset.

 

Droner som brukes på produksjonslinjer for fly

Hva om søknaden din krever at du inspiserer noe massivt? Som et jetfly for eksempel? Det franske selskapet Donacle har laget en drone med tilgang til en database med 3D-bilder av eksteriøret til moderne passasjerfly. Når et nytt fly ruller ut av produksjon, kan dronene sjekke flyets eksteriør for nagleutslett, ujevn maling og andre tegn på feil i byggeprosessen. Men disse dronene er ikke bare beregnet på å inspisere nye fly.

To ganger i året må fly i drift kontrolleres for lynskader. De strenge sikkerhetsstandardene som flyreiser krever betyr at hele flyets eksteriør må sjekkes for tegn på lynnedslag. En jobb som ville ta et menneskelig mannskap seks timer å utføre, er angivelig utført ti ganger raskere med hjelp fra Donacle-dronene.

 

Det er en reell forskjell i tiden det tar å få et fly tilbake i flåten og tjene penger. Og dessuten er dronene mer konsistente enn deres menneskelige kolleger. De er allerede utstyrt for å håndtere den populære Airbus A320 og blir tatt i bruk av europeiske selskaper som Easyjet og Air France.

 

Vurder alternativene dine

I hvert av disse tilfellene valideres en meget replikerbar vare mot en fastsatt standard. En datamaskin kan evaluere kjedehjul, flykomponenter og måle fylden av flasker utenfor en produksjonslinje. Siden arbeidere kan definere en fast standard, gjør disse tilfellene gode brukssaker for automatisert inspeksjon. Nå er det din tur til å vurdere ditt eget produksjonsanlegg. Har du et produkt som er svært replikerbart? Kan du enkelt måle for kvalitetskontroll? I så fall kan du ha nytte av automatisert inspeksjon. Hvis du har en egen casestudie, del den i kommentarfeltet nedenfor!